翟东奇:海杂波背景下弱目标检测技术研究论文

翟东奇:海杂波背景下弱目标检测技术研究论文

本文主要研究内容

作者翟东奇(2019)在《海杂波背景下弱目标检测技术研究》一文中研究指出:雷达在检测海面低空的目标时,强海杂波和多径的干扰会严重目标的检测性能,强海杂波会淹没较弱的目标信号,多径干扰会严重影响检测的稳定性。为了有效地提升海杂波背景下低空弱目标的性能,本文分析了海杂波的特性和建模方法以及雷达低空目标多径效应的影响,提出了海杂波抑制的方法与多径抑制的方法,并通过实测数据及仿真分析,证实了本文方法的有效性。本文内容主要包括:1、描述了海表面及海浪的特征,介绍并分析了海杂波的归一化雷达截面积(Normalized Radar Cross Section,NRCS)及NRCS的经验模型,介绍了海杂波的幅度统计模型以及参数估计方法,分析了海杂波实际数据的幅度特性,分析了实测海杂波谱的特征,并给出了一种可随时间变化的海杂波多普勒谱的建模方法。2、提出了基于短时非线性预测的海杂波抑制方法。给出了基于前馈的非线性滤波器的非线性梯度下降法(Nonlinear Gradient Descent,NGD)和带有反馈的非线性滤波器的复数值的实时递归学习(Complex Real Time Recurrent Learning,CRTRL)算法,利用海杂波实际数据对非线性预测的海杂波抑制方法进行了验证与分析,并将所提的海杂波抑制方法的性能与线性滤波器的最小均方(Least Mean Square,LMS)算法进行了比较。3、提出了一种基于Radon变换和海浪参数反演的海杂波抑制方法。介绍了Radon变换及其反变换的原理,给出了重力波的频散关系方程,详细阐述了海浪谱和参数反演的过程及原理,并给出了海杂波抑制方法的具体过程。最后,利用实测的海杂波图像对此方法进行了验证与分析。4、提出了一种基于频率分集(Frequency Diversity,FD)雷达的广义似然比的低空目标检测方法。分析了海面的反射系数及多径效应的影响,建立了频率分集雷达的低空目标的回波模型,提出了广义似然比的低空目标的检测方法;通过计算机仿真证实了此方法的检测的有效性,并与多种雷达的低空目标检测方法进行了比较与分析。本文讨论了海杂波背景下低空弱目标的检测问题。分别讨论了数据级和图像级的海杂波抑制方法,从多个角度出发抑制强海杂波的干扰;提出了频率分集的广义似然比检测的方法抑制多径影响,有效提升了目标检测性能。

Abstract

lei da zai jian ce hai mian di kong de mu biao shi ,jiang hai za bo he duo jing de gan rao hui yan chong mu biao de jian ce xing neng ,jiang hai za bo hui yan mei jiao ruo de mu biao xin hao ,duo jing gan rao hui yan chong ying xiang jian ce de wen ding xing 。wei le you xiao de di sheng hai za bo bei jing xia di kong ruo mu biao de xing neng ,ben wen fen xi le hai za bo de te xing he jian mo fang fa yi ji lei da di kong mu biao duo jing xiao ying de ying xiang ,di chu le hai za bo yi zhi de fang fa yu duo jing yi zhi de fang fa ,bing tong guo shi ce shu ju ji fang zhen fen xi ,zheng shi le ben wen fang fa de you xiao xing 。ben wen nei rong zhu yao bao gua :1、miao shu le hai biao mian ji hai lang de te zheng ,jie shao bing fen xi le hai za bo de gui yi hua lei da jie mian ji (Normalized Radar Cross Section,NRCS)ji NRCSde jing yan mo xing ,jie shao le hai za bo de fu du tong ji mo xing yi ji can shu gu ji fang fa ,fen xi le hai za bo shi ji shu ju de fu du te xing ,fen xi le shi ce hai za bo pu de te zheng ,bing gei chu le yi chong ke sui shi jian bian hua de hai za bo duo pu le pu de jian mo fang fa 。2、di chu le ji yu duan shi fei xian xing yu ce de hai za bo yi zhi fang fa 。gei chu le ji yu qian kui de fei xian xing lv bo qi de fei xian xing ti du xia jiang fa (Nonlinear Gradient Descent,NGD)he dai you fan kui de fei xian xing lv bo qi de fu shu zhi de shi shi di gui xue xi (Complex Real Time Recurrent Learning,CRTRL)suan fa ,li yong hai za bo shi ji shu ju dui fei xian xing yu ce de hai za bo yi zhi fang fa jin hang le yan zheng yu fen xi ,bing jiang suo di de hai za bo yi zhi fang fa de xing neng yu xian xing lv bo qi de zui xiao jun fang (Least Mean Square,LMS)suan fa jin hang le bi jiao 。3、di chu le yi chong ji yu Radonbian huan he hai lang can shu fan yan de hai za bo yi zhi fang fa 。jie shao le Radonbian huan ji ji fan bian huan de yuan li ,gei chu le chong li bo de pin san guan ji fang cheng ,xiang xi chan shu le hai lang pu he can shu fan yan de guo cheng ji yuan li ,bing gei chu le hai za bo yi zhi fang fa de ju ti guo cheng 。zui hou ,li yong shi ce de hai za bo tu xiang dui ci fang fa jin hang le yan zheng yu fen xi 。4、di chu le yi chong ji yu pin lv fen ji (Frequency Diversity,FD)lei da de an yi shi ran bi de di kong mu biao jian ce fang fa 。fen xi le hai mian de fan she ji shu ji duo jing xiao ying de ying xiang ,jian li le pin lv fen ji lei da de di kong mu biao de hui bo mo xing ,di chu le an yi shi ran bi de di kong mu biao de jian ce fang fa ;tong guo ji suan ji fang zhen zheng shi le ci fang fa de jian ce de you xiao xing ,bing yu duo chong lei da de di kong mu biao jian ce fang fa jin hang le bi jiao yu fen xi 。ben wen tao lun le hai za bo bei jing xia di kong ruo mu biao de jian ce wen ti 。fen bie tao lun le shu ju ji he tu xiang ji de hai za bo yi zhi fang fa ,cong duo ge jiao du chu fa yi zhi jiang hai za bo de gan rao ;di chu le pin lv fen ji de an yi shi ran bi jian ce de fang fa yi zhi duo jing ying xiang ,you xiao di sheng le mu biao jian ce xing neng 。

论文参考文献

  • [1].掠入射条件下海杂波幅相分布统计模型研究[D]. 张言明.东南大学2018
  • [2].基于SVM的导航雷达目标检测技术研究[D]. 骈根.哈尔滨工程大学2019
  • [3].基于深度学习的海面目标检测研究[D]. 郭赛.中国科学技术大学2018
  • [4].海杂波背景下距离扩展目标检测算法研究[D]. 梁丹丹.南京邮电大学2018
  • [5].非平稳海杂波背景下自适应目标检测算法研究[D]. 林毓峰.南京邮电大学2018
  • [6].基于极化特征的海面漂浮小目标检测方法[D]. 蒲佳.西安电子科技大学2018
  • [7].弹载雷达动态海面回波建模仿真与特性分析[D]. 闫碧洁.西安电子科技大学2018
  • [8].基于海杂波背景的弱小慢速目标帧间积累算法[D]. 王雅.西安电子科技大学2018
  • [9].高分辨雷达海杂波背景下目标检测[D]. 刘黛琳.西安电子科技大学2018
  • [10].海杂波IG-CG模型双分位点参数估计及海陆噪声三元场景分割[D]. 史利香.西安电子科技大学2018
  • 读者推荐
  • [1].多径环境下毫米波雷达目标检测算法研究[D]. 王帅.电子科技大学2019
  • [2].雷达探测的性能仿真及关键技术研究[D]. 蔡雷雷.电子科技大学2019
  • [3].低信杂比条件下海面弱目标检测[D]. 蔡克珏.华中科技大学2019
  • [4].基于深度学习的海面目标检测研究[D]. 郭赛.中国科学技术大学2018
  • [5].海杂波背景下距离扩展目标检测算法研究[D]. 梁丹丹.南京邮电大学2018
  • [6].非平稳海杂波背景下自适应目标检测算法研究[D]. 林毓峰.南京邮电大学2018
  • [7].基于极化特征的海面漂浮小目标检测方法[D]. 蒲佳.西安电子科技大学2018
  • [8].基于海杂波背景的弱小慢速目标帧间积累算法[D]. 王雅.西安电子科技大学2018
  • [9].海杂波背景下小目标信号检测的深度学习方法[D]. 冯亮.浙江师范大学2017
  • [10].基于散射目标回波的杂波抑制及动目标检测技术[D]. 刘梦瑶.电子科技大学2018
  • 论文详细介绍

    论文作者分别是来自电子科技大学的翟东奇,发表于刊物电子科技大学2019-07-17论文,是一篇关于海杂波抑制论文,非线性预测论文,变换论文,低空目标检测论文,电子科技大学2019-07-17论文的文章。本文可供学术参考使用,各位学者可以免费参考阅读下载,文章观点不代表本站观点,资料来自电子科技大学2019-07-17论文网站,若本站收录的文献无意侵犯了您的著作版权,请联系我们删除。

    标签:;  ;  ;  ;  ;  

    翟东奇:海杂波背景下弱目标检测技术研究论文
    下载Doc文档

    猜你喜欢